사람 재인식을 위한 트리플렛 손실함수 기반의 심층 네트워크에서 롤백의 효과

Abstract

Person re-identification is the technique for matching information of the same person among images taken by several non-overlapping camera. It can be usefully applied to human tracking, visual surveillance, forensics and so on. Person re-identification has two main branches: "Cross-entropy method" based on image classification technique and "Triplet method" using image pair input and triplet loss function. Because each method has its own advantage, it is difficult to compare which method is proper to solve the open problem like person re-identification. In this paper, we compare Cross-entropy method and Triplet method, and apply the effect of rollback, which was previously used only for Cross-entropy method, to Triplet method. In addition, we propose an algorithm that can achieve better performance by applying both Cross-entropy method and Triplet method simultaneously.

사람 재인식 (Person re-identification) 기술은 여러 개의 겹치지 않는 카메라 뷰(camera view)로부터 촬영된 사람들의 정보 중 동일한 사람의 정보를 매칭시키는 기술이다. 이러한 기술들은 대인 이동 경로 추적, 감시 시스템(visual surveillance), 포렌식(forensic) 등에 유용하게 적용될 수 있다. 사람 재인식 기술은 크게 두가지 방향성을 가지는데, 이미지 분류 기반의 cross-entropy 손실함수를 사용하는 방법과 이미지 쌍을 입력받아 triplet 손실함수를 사용하는 방법이 있다. 각각의 방법들의 고유한 특성 때문에 어떤 방법이 열린 집한 문제를 해결하는데 더 유력한 방법이라고 비교하기는 어렵다. 본 논문에는 이미지 분류 기반의 방법과 triplet 손실함수 기반의 방법을 비교하고, 기존에는 이미지 분류 기반의 방법에만 활용되었던 롤백(Rollback)의 효과를 triplet 손실함수 기반의 방법에도 적용하여 해당 방법에 대한 롤백의 유용성을 검토하였다. 추가로, 사람 재인식 기술의 두 방법을 동시에 적용하여 더 좋은 성능을 내는 알고리즘을 제안하였다